TEOREMA CENTRAL DEL LÍMITE

Este teorema nos permite aproximar a la distribución normal sumas finitas

de variables aleatorias independientes que pueden tener cualquier clase de
distribución con medias y varianzas conocidas.
Se dice que cada una de las n variables aleatorias X 1, X2,
…………………..,Xn están idénticamente distribuidas con media μ y
varianza σ2 si todas tienen la misma función de probabilidad en el caso
discreto o la misma función de densidad en el caso continuo y si:

La variable aleatoria suma total:

Tiene las siguientes propiedades:

Teorema (Teorema Central del Límite)

Si X1, X2, ……..Xn son variables aleatorias independientes idénticamente

distribuidas con media μ y varianza σ 2 entonces cuando n tiende al infinito,
la distribución de la variable aleatoria estándar:

Nota.- La aproximación a la distribución normal es buena si n es grande ( n

> 30 ) sin importar si la distribución es discreta o continua; o si la
distribución es de forma simétrica o asimétrica.

Ejemplo.- Si la distribución del peso de los caballeros que viajan por avión
entre dos ciudades tiene una media de 163 libras y una desviación estándar
de 18 libras. ¿Cuál es la probabilidad de que el peso total combinado de 36
de esos pasajeros sea mayor de 6,000 libras?

Solución:
Luego P ( Z > 1.22 ) = 0.11123

Otro método:

Luego

Distribución de la Media Muestral

Si X1, X2, X3,………….Xn es una variable aleatoria de tamaño n de una

población, podemos definir la variable aleatoria como:

donde se denomina media muestral.

Propiedades

Sea la media de una muestra aleatoria de n observaciones extraídas de

una población con media  y varianza 2, entonces:

a) E ( )= 

V( )=

Nota.- La varianza de la media:

cuando el muestreo es con reemplazo en una población finita de tamaño
N o cuando el muestreo es sin reemplazo en una población infinita.

La varianza de la media:

cuando el muestreo es sin reemplazo en una población finita de tamaño

N.

Ejemplo 1.- La distribución de la cantidad de cereal que una máquina

vierte en cajas de tamaño económico, tiene un peso X que se distribuye
normalmente con media 0.999 kg y desviación estándar 0.05 kg. Si se
eligen 4 cajas al azar. ¿Cuál es la probabilidad de que el promedio de los
pesos netos de las 4 cajas esté entre 0.999 y 1.049 kg

Solución

Hallaremos

Ejemplo 2.- Una máquina que empaqueta bolsas de café

automáticamente, está regulada para embalar bolsas cuyos pesos se
distribuyen normalmente con media 500 gramos y  = 10 gramos. Se
sabe también que, a veces, la máquina se desregula y cuando esto
ocurre, el único parámetro que se altera es la media, permaneciendo la
varianza igual. Para mantener la producción bajo control se selecciona
una muestra aleatoria de 110 bolsas y luego se pesa.
Calcular la probabilidad de que el peso promedio de las 110 bolsas
difiera de 500 en menos de 2 gramos.

Solución

Calcularemos
 Ejemplo 3.- Un auditor toma una muestra aleatoria de 100 cuentas por
cobrar de una población de 500 cuentas por cobrar. El auditor sabe que
las 500 cuentas por cobrar constituyen una población cuya  = $145.
¿Cuál es la probabilidad de que la media muestral difiera de la media
poblacional en más de $ 26 ?

Solución

Calcularemos

Estimación puntual y por Intervalo

Cuando el objetivo de la inferencia es la estimación, hay dos maneras de

hacerla: la estimación puntual y la estimación por intervalos.
El estimador puntual de un parámetro es un estadístico que genera un
valor numérico simple, y que se utiliza para proporcionar una estimación
del valor del parámetro desconocido.

Intervalo de Confianza para la Media Poblacional

a) Cuando 2 es conocida
Sea X1, X2, …………..Xn una muestra aleatoria extraída de una población
normal donde 2 es conocida, entonces el intervalo de confianza para la
media poblacional está dado por:

Ejemplo 1.- Un proceso produce bolsas de azúcar refinado. El peso del

contenido de estas bolsas tiene una distribución normal con desviación
estándar 15 gramos. Los contenidos de una muestra aleatoria de 25 bolsas
tienen un peso medio de 485 gramos. Calcular un intervalo de confianza
del 95 % para el verdadero peso medio de todas las bolsas de azúcar
producidas por el proceso.

Solución

Se tienen como datos: Dado que  es conocido entonces:

 = 15 gr
n = 25 bolsas
x = 485 gr
 = 0.05

Luego los límites estarán dados por: 485  6

En consecuencia el intervalo de confianza será:

Estimamos, con una confianza del 95 % que el peso medio verdadero de

las bolsas de azúcar se encuentra entre [ 479 ; 491 ]. Esto significa que si
tomáramos todas las muestras posibles de tamaño 25 y para cada una de
ellas halláramos un intervalo de confianza, aproximadamente el 95% de los
intervalos encontrados contendrían a la media poblacional.

Ejemplo 2.- Un analista de investigación de mercados escogió una muestra

aleatoria de 100 clientes de una población de 500 clientes de una gran
tienda que declaran ingresos mayores a $800. El encontró que los clientes
de la muestra gastaban en la tienda un promedio de $ 1000 por año. Si con
este valor de la muestra estimó que el gasto promedio por año de esta
población varía de $940 a $1060. ¿Qué nivel de confianza se utilizó?
Suponga que la desviación estándar de tal población es $300.

Datos

n = 100 Se sabe que: 940 <  < 1,060 luego e = $ 60

N = 500

Luego el nivel de confianza será: P ( - 2.23  Z  2.23 ) = 0.9743

Es decir se tiene una confianza del 97.43 % de que la media muestral

difiere de la media verdadera en a lo más $ 60.

b) Cuando 2 es desconocida

Dado que no se conoce 2 deberá usarse la variable estadística:

Luego el intervalo de confianza está dado por:

Nota.-

Ejemplo.- Las cajas de cereal producidos por una fábrica, deben tener un
contenido de 16 onzas. Un inspector tomó una muestra que arrojó los
siguientes pesos en onzas:

15.7 15.7 16.3 15.8 16.1 15.9 16.2 15.9 15.8 15.7
Indicar si es razonable que el inspector, usando un coeficiente de confianza
del 95 % ordene se multe al fabricante.

Solución

Con los datos de la muestra obtenemos:

Luego para  = 0.05 obtenemos:

Por lo que no es recomendable que el inspector ordene se multe al

fabricante.

Muestras de tamaño muy grande

Se sabe que para muestras de tamaño grande la distribución t de Student se

aproxima a la distribución N ( 0, 1 ). Entonces, el intervalo de confianza
con un coeficiente de confianza 1 -  para la media  de una población
normal con varianza desconocida y muestra grande es:

Ejemplo.- Se extrajo una muestra aleatoria de 172 estudiantes y se les

pidió que evaluasen unas determinadas condiciones de trabajo en una
escala de 1(no importante) a 5 (extremadamente importante). La “seguridad
en el trabajo” recibió una calificación media de 4.38 con una desviación
estándar S = 0.7.
Calcular un intervalo de confianza del 99% para la media poblacional.
Solución

Dado que los valores de las observaciones tienen que ser números enteros
entre 1 y 5; la distribución de la población no es normal, sin embargo,
gracias al teorema central del límite, para muestras de este tamaño, la
distribución muestral de la media muestral será muy cercana a la normal.

Nota.- Cuanto mayor es la longitud del intervalo de confianza, mayor

confianza tendremos de que el intervalo contiene en realidad al verdadero
valor de µ, pero al mismo tiempo tendremos una menor precisión acerca
del verdadero valor de µ.
Es muy deseable obtener un intervalo de confianza lo suficientemente corto
para propósitos de toma de decisiones y que a la vez brinde una confianza
adecuada; una manera de lograr esto es eligiendo el tamaño de muestra lo
bastante grande.

Intervalo de Confianza para la Proporción Poblacional

Sea X1, X2, X3,………………………,Xn una muestra aleatoria de tamaño

n escogida de una población de Bernoulli B(1,p) cuyo parámetro p es la
proporción de éxitos en la población.
El estimador puntual de p es:
Donde toma el valor 1 si presenta la característica estudiada y el valor 0
si no lo presenta.
Sabemos que:

En consecuencia, la variable aleatoria

Por consiguiente, el intervalo de confianza del ( 1 – α )100% para el

parámetro p es:

Ejemplo 1.- Una muestra aleatoria de 100 clientes que realizan sus
compras a mediodía en un supermercado revela que todos excepto 10,
incluyen la leche en sus compras. Establezca un intervalo de confianza del
94% para la proporción verdadera de personas que compran leche.

Solución

Por lo tanto

Conclusiones:
 - Podemos afirmar con un 94% de confiabilidad que la proporción de
clientes que incluyen la leche en sus compras estaría entre el 84% y
96% aproximadamente.
- También podemos afirmar con un 94% de confiabilidad que la
proporción de personas que incluyen dicho producto en sus compras
es del 90%, con un margen de error de 5.6%
- O que se tiene una probabilidad de 0.94 de que el valor de la
proporción muestral difiera de la proporción real en no más de 0.056

Ejemplo 2.- De una población de 3000 empleados de una empresa

industrial se seleccionó una muestra de 300 para que participen en una
encuesta. Entre los encuestados 240 manifestaron que estaban satisfechos
por completo con todas las condiciones laborales de la empresa. Construir
el intervalo de confianza del 95% para la proporción real de empleados que
opinan de esta manera.

Solución

0.8 ± 0.04

Luego 0.76 < p < 0.84